MétaCan
Menu
Retour à la cohorte
Enregistrement W1956559477 · doi:10.1109/acc.2003.1243770

Designing of adaptive bandpass filter with adjustable notch for frequency demodulation

2004· article· en· W1956559477 sur OpenAlexaff
Qing Zhang, Lyndon J. Brown

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Adaptive Filtering Techniques
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Band-stop filterBand-pass filterTransfer functionBandwidth (computing)Adaptive filterDemodulationComputer scienceController (irrigation)Feedback loopLow-pass filterFilter (signal processing)Electronic engineeringEngineeringAlgorithmTelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The state variables of an internal model controller in a feedback loop can provide direct estimate of the instantaneous frequency of a signal. An adaptive algorithm to identify and track the instantaneous frequency was developed in our previous works (L.J. Brown et. al., 2002, June 2003). This approach has as design parameters a fictitious plant and feedback controller. This paper presents a strategy for choosing the transfer functions of the fictitious plant and controller to incorporate a desired filter in the scheme. By choosing and designing the suitable forms and coefficients of transfer functions for the controller and plant in the system, a bandpass filter with an adjustable notch can be achieved. The location of the notch frequency is adjusted in the range of bandwidth by our adaptive algorithm. It is shown that a bandpass filter characteristics enhances the ability of the algorithm to reject noise. However, simulations show that this benefit comes at the expense of slower transient characteristics of the feedback loop which has negative consequence for identification of the instantaneous frequency.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,221
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Adaptive Filtering TechniquesTravaux en français237 207